神经网络响应面在堆石坝流变反演中的应用

杨利霞

神经网络响应面在堆石坝流变反演中的应用

+ H, ~" @2 `  Y) [4 K
, E( T# W. v) o$ P& ^
) M1 A2 d& U/ Y1 |堆石体的流变参数对高面板堆石坝的长期安全性分析具有重要意义。参数反演可以准确获得符合坝体实
5 J% P4 C. b2 u& O$ S; O9 n际长期变形规律的流变参数。本文分别采用反向传播神经网络（
$ H5 ?9 u/ f8 n2 W$ h, zBP
）和径向基神经网络（
  ?" R; m, v  G# b0 S+ CRBF
6 ]( x- q5 }! \9 O）构造出待反演参
数与位移值之间的响应，引入统计学回归预测模型中的均方根误差（
RMSE
），平均绝对百分比误差（
MAPE
）和
线性回归决定系数（
3 F+ l5 g' I. g- E, m1 s+ X7 s5 WR
2
. N/ R, y) T7 ~# ?3 a）等指标来全面评估不同神经网络响应面映射能力的优劣，从而提高参数反演的效率和准
& A; J, E7 ^7 K# R, i4 j* P; M4 o确率。结果表明，
RBF
神经网络响应面的评估指标均优于
! V! S( p( m6 fBP
: u8 D: J1 d0 _$ J4 t* g神经网络响应面。利用
5 V. Z, l) ?+ ?  y4 M% ]  ~RBF
! k3 c# V* C! D神经网络响应面和多种
群遗传算法（
$ d  T$ x7 J  r: c0 F7 NMPGA
）优化理论得到反演后的流变参数并将其用于有限元计算，得到的蓄集峡坝体沉降值在大小
3 p; w6 V# I2 J& K' ~3 c) f和分布上与实测值有显著的一致性。

! K1 j2 u. a3 W% T